Classificatie en predictie modellen
10 belangrijke vragen over Classificatie en predictie modellen
Wat is binary en multi-class data in classificatie?
Multi-class: meerder groepen hier kan je bep
Wat is de classificatie aanpak
- Classificatie model porbeerd een conclusie te maken van de geobserveerde waarden
- het geven van een of meerder inputs aan een classificatie model zou prberen om de individuele metingen in de goede categorie te plaatsen
Wat is machine learning?
- Studie van computer algorithmen die automatisch verbeteren door ervaring
- subset artificial intelligence
- algorithms build with mathematical model gebaseerd op traning data en uitgeprobeerd op een test data
- Hogere cijfers + sneller leren
- Niets twee keer studeren
- 100% zeker alles onthouden
Voor mijn 1e tentamen haalde ik een 6. Toen ben ik gaan zoeken naar manieren om beter te leren en ben ik Study Smart tegen gekomen. Sindsdien heb ik een 9,0 - 8,0 - 7,6 - 8,0 - 8,0 gehaald. Ik raad het echt íédereen aan die het maar horen wil. Ik ben er zo blij mee!!
Met mijn oude methode was ik geslaagd voor maar 3 van de 8 vakken. Sinds ik mijn aantekeningen digitaal maak in study smart, ben ik voor alle vakken de éérste keer geslaagd. StudySmart neemt voor mij de stress van slagen of niet slagen weg.
Door StudySmart gaat het op zo veel vlakken beter met mij. Eerst had ik continu studiestress en ik had nergens tijd voor. Nu voel ik mij rustig en zelfverzekerd (door gebruik van het programma). Eerst haalde ik meestal een 7, nu vaak een 8 of zelfs een 9.
Hey Chris, ik wil je echt hartelijk danken voor het ontwikkelen van het platform. Ik haalde hiervoor altijd rond de 6/10 voor m'n tentamens, nu een 8,6, een 7,9 en een 7,6!!
Sinds ik Study Smart gebruik, is mijn gemiddelde 1 punt gestegen. Ik heb zelfs een statistisch vak met een 10/10 afgerond terwijl ik slecht ben in statistiek. Nu volg ik extra vakken omdat vorig jaar zo goed ging door Study Smart. Veel dank!
Sinds ik ben gaan leren met StudySmart ben ik geslaagd voor al mijn examens!!! Geen herexamens!! Eerst was ik al blij met een voldoende en nu haal ik alleen maar goede cijfers. Veel dank!
Ik heb alle vakken die ik met Study Smart heb geleerd gehaald. Met rechten ben ik van een 5 naar een 8 gegaan! Ik weet nu zeker dat ik al mijn vakken gewoon ga halen.
Ik dacht altijd dat ik goed studeerde. Mijn cijfers waren ook prima. Ik had mij nooit kunnen voorstellen dat ik zo veel beter en sneller zou studeren door het toepassen van deze vaardigheden.
Ik voel mij voor het eerst 100% zeker over de manier waarop ik leer. Ik heb nu het complete overzicht en de structuur die ik nodig had
Door Study Smart kreeg ik weer plezier in het studeren en haalde ik direct betere cijfers. Alles ging ineens beter. Ik raad Study Smart enorm aan aan scholieren en studenten.
Met dit plaform kan ik super snel en gestructueerd studeren. Ik ben nooit meer de weg kwijt in de stof of in mijn aantekeningen en maak veel sneller goede samenvattingen.
Eerst waren mijn aantekeningen een zooitje. Nu gebruik ik Study Smart en studeer ik super gestructureerd. Het helpt mij om tijd te besparen waardoor ik ook andere dingen kan doen die ik belangrijk vind.
Leerlingen die met het systeem hebben gewerkt hebben gewoon een beter resultaat behaald. Het systeem past alle leertrucjes zo toe, dat zowel de kinderen die goed scoren, maar ook zij die minder scoren, aan hun trekken komen.
Hey Chris, ik wil je enorm bedanken. Het vak waar ik vorig jaar nog net een 5,5 voor haalde, heb ik nu voor ditzelfde vak maar liefst een 9,7 gehaald! Mede dankzij jouw methode! Heel erg bedankt!
Het grootste effect is dat mijn kind veel enthousiaster is over school! Elke ouder wilt graag dat zijn kind het goed doet op school, en Study Smart draagt daar aan bij.
Dankzij StudySmart heb ik vorig jaar al mn examens gehaald en ook veel betere punten gehaald. Maar bovenal heb ik nu gewoon een heel goede studiemethode onder de knie, waarmee ik zeker weet dat ik de rest van mijn studie gewoon ga halen.
Hoe wordt neural networks gebruikt om tumoren op foto'ste kunnen detecteren?
- Er wordt een foto gemaakt
- gegeven aan het a
lgorithme
- die kijkt er na en kijkt in de verborgen informatielagen welke dingen die ziet
- op die manier maar hij zijn keuze
Wat is random forest en hoe wordt het gedaan?
- Een classificatie algoritme die bestaat heel veel beslisbome
n
- het maken van een indivuduele beslisboom wordt random gedaan, om er voor te zorgen dat er een bos van bomen komen die niet aan elkaar zijn gecorreleerd, zodat je all belsisbomen nodig hebt om tot een antwoord te komen.
- elke beslisboom heeft andere variabelen (vragen, condities) en in een andere volgorde
- aan het eind van alle classificatie van de samples kijk je naar de majority-vote --> op die basis maak je de final classificatie
Waarom gebruiken we de random forest aanpak? (8)
- Betrouwbaarheid hoog
- effieciënt met grote dataset en runt snel
- geen variabelen deletie
- het geeft de gemiddelde van de variabelen die belangrijk zijn voor de classificatie (de vragen waarop je antwoord geeft)
- heeft internal unbiased gemiddelde inzich
- gebalenceerde error in de classificatie van de populatie in een schreven data set
- de beslisbomen kunnen bewaard worden voor toekomstige data
- overfitting bestaat niet, je kan beslisbomen zo veel runnen als je wilt
Wat is K-nearest neighbors?
- Een makkelijke, supervised machine learning algoritme dat gebruikt kan worden voor classificatie en regressie problemen.
- zorgt dat dingen die op elkaar lijken dicht bij elkaar zijn.
- afstand zegt iets over de gelijken
is of ongelijkenis
- de afstand tot aan de buren worden bekeken
- buren aantal kan je zelf aanpassen
voorbeeld: K is op 5 gesteld dus je kijkt naar 5 buren in dit geval hoort de zwarte datapunt bij de blauwe driehoeken
Wat zijn de voordelen en nadelen van K-nearest neighbors?
- algoritme is simpel en makkelijk in te bouwen
- geen extra aannamens
- algoritme kan voro meerder dingen gebruikt worden, classifictie, regressie en search.
nadelen:
- het algoritme wordt heel langzaam als je het aantal voorbeelde, voorstellers en idividuele variabelen omhoog gaan.
Wat is cross-validatie en de doelen ervan?
- Interne validatie
- wortd gebruikt als externe valdiatie niet mogelijk is.
- het aan een manier om een classificatie/predictie model on een test set om te kijken of het werkt
- 75% van de dataset is traning set en 25% van de dataset is test set.
- het test de vraadigheid van het model om een predictie te maen van nieuwe data.
- kan overfitting en selectie bias aangeven
- kan een K of andere parameter voorspellen
Wat is leave-one-out cross-validatie?
- Je gebruikte alle samples behalve een, de ene die je niet gebruikt wordt als een test gebruikt. De rest gebruik je dan als traning data. En die doe je op nieuwe maar dan gebruik je sample 2 als een test set en gebruikt de rest als training en dit doe je heel veel keer.
- Bij leave-one-out kan er geen confusion matrix, want het kan alleen 100% goed zijn of 0% goed zijn dus kan er geen statische toets opgedaan worden
De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:
- Een unieke studie- en oefentool
- Nooit meer iets twee keer studeren
- Haal de cijfers waar je op hoopt
- 100% zeker alles onthouden
